1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 배우는 Gymnasium 기반 Reinforcement Learning
Connected

연습 문제

Q-learning으로 8x8 Frozen Lake 해결하기

이 연습 문제에서는 Q-learning 알고리즘을 적용해 8x8 Frozen Lake 환경에서 최적 정책을 학습해 볼 거예요. 이번에는 "slippery" 조건이 활성화되어 있습니다. 이 조건은 확률적 전이를 도입하여 에이전트의 이동이 예측 불가능해지고, 실제 상황에 더 가까운 시뮬레이션이 됩니다.

Q-table Q는 이미 초기화되어 로드되어 있으며, 이전 연습 문제의 update_q_table() 함수와 각 에피소드에서 누적된 총 보상을 담을 빈 리스트 rewards_per_episode도 제공됩니다.

지침

100 XP
  • 각 에피소드에서 선택한 action을 실행하고 보상과 다음 상태를 관찰하세요.
  • Q-table을 업데이트하세요.
  • total_reward를 rewards_per_episode 리스트에 추가하세요.